R Markdown

This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.

When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:

library(plotly)
## Loading required package: ggplot2
## Warning: package 'ggplot2' was built under R version 3.5.2
## 
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## The following object is masked from 'package:stats':
## 
##     filter
## The following object is masked from 'package:graphics':
## 
##     layout
library(readxl)
## Warning: package 'readxl' was built under R version 3.5.2
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(xtable)

Sys.setenv("plotly_username"="kassio.silva")
Sys.setenv("plotly_api_key"="0BULwdSIo8khglNH31kJ")

ingressantes2017nota_M <- read.csv("C:/Users/erica.santos/workspace/trabalho/THE_rankings/Impact Ranking/consulta_geral_discente (2).csv",
                                   header = TRUE, sep=";", colClasses = c("character"))

ingressantes2017nota_F <- read.csv("C:/Users/erica.santos/workspace/trabalho/THE_rankings/Impact Ranking/consulta_geral_discente (3).csv",
                                   header = TRUE, sep=";", colClasses = c("character"))


ingressantes2017nota_M <- filter(ingressantes2017nota_M, startsWith(ingressantes2017nota_M$matricula, '2017'))
ingressantes2017nota_F <- filter(ingressantes2017nota_F, startsWith(ingressantes2017nota_F$matricula, '2017'))

iris %>% group_by(Species) %>% summarise(avg = mean(Sepal.Length))
## # A tibble: 3 x 2
##   Species      avg
##   <fct>      <dbl>
## 1 setosa      5.01
## 2 versicolor  5.94
## 3 virginica   6.59
# Notas médias dos cursos masculino

nota_M = ingressantes2017nota_M %>% group_by(curso)
nota_M$ira <- as.numeric(nota_M$ira)
nota_M$iea <- as.numeric(nota_M$iea)

nota_M = nota_M %>% summarise(avg_M = mean(ira))
nota_M = nota_M[complete.cases(nota_M), ]

# Notas médias dos cursos feminino

nota_F = ingressantes2017nota_F %>% group_by(curso)
nota_F$ira <- as.numeric(nota_F$ira)
nota_F$iea <- as.numeric(nota_F$iea)

nota_F = nota_F %>% summarise(avg_F = mean(ira))
nota_F = nota_F[complete.cases(nota_F), ]

# Numero de homens por curso
n_M <- ingressantes2017nota_M %>% group_by(curso) %>% count()
M_nota_numero = inner_join(nota_M, n_M, by="curso")

# Numero de mulheres por curso
n_F <- ingressantes2017nota_F %>% group_by(curso) %>% count()
F_nota_numero = inner_join(nota_F, n_F, by="curso")  

data = inner_join(F_nota_numero, M_nota_numero, by="curso")

data = data %>% mutate(diff = abs(data$avg_M-data$avg_F), indicador = ifelse(avg_F > avg_M, 1, 0))

# Plotando o gráfico

f <- list(
  family = "Times New Roman",
  size = 24,
  color = "#7f7f7f"
)

x <- list(
  title = "Masculino",
  titlefont = f,
  showgrid = FALSE
)
y <- list(
  title = "Feminino",
  titlefont = f,
  showgrid = FALSE
)

#Use the ideal sizeref value
desired_maximum_marker_size <- 30
your_list_of_size_values <- data['diff']
sizeref <- 2.0 * max(your_list_of_size_values) / (desired_maximum_marker_size**2)

p <- plot_ly(data, x = ~n.y , y = ~n.x, 
             text = ~paste("Curso: ", curso, "Diferença: ", round(diff, 3)), type = 'scatter', mode = 'markers',
             marker = list(size = ~2*diff, opacity = 0.5, color = ~indicador, sizemode = 'area', sizeref = sizeref)) %>%
    layout(title = 'Diferença de notas entre homens e mulheres por curso',
         xaxis = x,
         yaxis = y)

p
#chart_link = api_create(p, filename="diff_notas")
#chart_link

# Testes de hipóteses para diferença de médias:

# Teste t
cursos_para_teste_t = data[data$n.x >= 25 & data$n.y >= 25, ]$curso

p_valores_t = c(0,0,0,0,0)

for(i in cursos_para_teste_t){
  curso_M = filter(ingressantes2017nota_M, curso == i)
  curso_F = filter(ingressantes2017nota_F, curso == i)
  
  rr = t.test(as.numeric(curso_M$ira),as.numeric(curso_F$ira))
  p_valores_t = rbind(p_valores_t, c(as.numeric(curso_M$ira) %>% mean,
                                     nrow(curso_M),
                                     as.numeric(curso_F$ira) %>% mean, 
                                     nrow(curso_F),
                                     rr$p.value))
}

p_valores_t = p_valores_t[-1, ]
rownames(p_valores_t) = cursos_para_teste_t
colnames(p_valores_t) = c("Média Homens", "N Homens", "Média Mulheres", "N Mulheres", "Valor p")

p_valores_t
##                                          Média Homens N Homens
## ADMINISTRAÇÃO                                26.27854       58
## AGRONOMIA                                    40.77209       77
## ARQUITETURA E URBANISMO                      64.85362       32
## ENGENHARIA CIVIL                             70.66106      140
## INTERDISCIPLINAR EM CIÊNCIA E TECNOLOGIA     37.54158      578
##                                          Média Mulheres N Mulheres
## ADMINISTRAÇÃO                                  41.69677         30
## AGRONOMIA                                      36.61436         25
## ARQUITETURA E URBANISMO                        62.91340         27
## ENGENHARIA CIVIL                               71.54096         48
## INTERDISCIPLINAR EM CIÊNCIA E TECNOLOGIA       47.18982         98
##                                              Valor p
## ADMINISTRAÇÃO                            0.028713152
## AGRONOMIA                                0.564468515
## ARQUITETURA E URBANISMO                  0.796912522
## ENGENHARIA CIVIL                         0.826264346
## INTERDISCIPLINAR EM CIÊNCIA E TECNOLOGIA 0.004931084
# Teste de Mann-Whitney

cursos_para_teste_mw = data[(data$n.x <= 25 & data$n.x >= 8) & (data$n.y <= 25 & data$n.y >= 8), ]$curso

p_valores_mw = c(0,0,0)

for(i in cursos_para_teste_mw){
  curso_M = filter(ingressantes2017nota_M, curso == i)
  curso_F = filter(ingressantes2017nota_F, curso == i)
  
  rr = wilcox.test(as.numeric(curso_M$ira),as.numeric(curso_F$ira))
  p_valores_mw = rbind(p_valores_mw, c(as.numeric(curso_M$ira) %>% mean,
                                      nrow(curso_M),
                                      as.numeric(curso_F$ira) %>% mean, 
                                      nrow(curso_F),
                                      rr$p.value))
}
## Warning in rbind(p_valores_mw, c(as.numeric(curso_M$ira) %>% mean,
## nrow(curso_M), : number of columns of result is not a multiple of vector
## length (arg 1)
## Warning in wilcox.test.default(as.numeric(curso_M$ira),
## as.numeric(curso_F$ira)): cannot compute exact p-value with ties

## Warning in wilcox.test.default(as.numeric(curso_M$ira),
## as.numeric(curso_F$ira)): cannot compute exact p-value with ties

## Warning in wilcox.test.default(as.numeric(curso_M$ira),
## as.numeric(curso_F$ira)): cannot compute exact p-value with ties

## Warning in wilcox.test.default(as.numeric(curso_M$ira),
## as.numeric(curso_F$ira)): cannot compute exact p-value with ties

## Warning in wilcox.test.default(as.numeric(curso_M$ira),
## as.numeric(curso_F$ira)): cannot compute exact p-value with ties
p_valores_mw = p_valores_mw[-1, ]
rownames(p_valores_mw) = cursos_para_teste_mw
colnames(p_valores_mw) = c("Média Homens", "N Homens", "Média Mulheres", "N Mulheres", "Valor p")
p_valores_mw
##                          Média Homens N Homens Média Mulheres N Mulheres
## COMPUTAÇÃO E INFORMÁTICA     39.95010       20       45.72617         12
## ECOLOGIA                     29.81012       22       24.89240         12
## LETRAS / LIBRAS              56.14655       11       52.27267         21
## MEDICINA                     60.50248       25       66.90201         15
## MEDICINA VETERINÁRIA         54.85037       24       54.59835         23
## ZOOTECNIA                    27.59518       24       41.20950         16
##                             Valor p
## COMPUTAÇÃO E INFORMÁTICA 0.86306626
## ECOLOGIA                 0.82772050
## LETRAS / LIBRAS          0.79584738
## MEDICINA                 0.43364075
## MEDICINA VETERINÁRIA     1.00000000
## ZOOTECNIA                0.06631793
# Tabelas para o Rmarkdown

knitr::kable(p_valores_t, "markdown")
Média Homens N Homens Média Mulheres N Mulheres Valor p
ADMINISTRAÇÃO 26.27854 58 41.69677 30 0.0287132
AGRONOMIA 40.77209 77 36.61436 25 0.5644685
ARQUITETURA E URBANISMO 64.85362 32 62.91340 27 0.7969125
ENGENHARIA CIVIL 70.66106 140 71.54096 48 0.8262643
INTERDISCIPLINAR EM CIÊNCIA E TECNOLOGIA 37.54158 578 47.18982 98 0.0049311 
knitr::kable(p_valores_mw, "markdown")
Média Homens N Homens Média Mulheres N Mulheres Valor p
COMPUTAÇÃO E INFORMÁTICA 39.95010 20 45.72617 12 0.8630663
ECOLOGIA 29.81012 22 24.89240 12 0.8277205
LETRAS / LIBRAS 56.14655 11 52.27267 21 0.7958474
MEDICINA 60.50248 25 66.90201 15 0.4336408
MEDICINA VETERINÁRIA 54.85037 24 54.59835 23 1.0000000
ZOOTECNIA 27.59518 24 41.20950 16 0.0663179